非正态分布样本相关系数及R²置信区间求解技术咨询

嘿，我完全懂你的困扰：你想通过预测值和真实值的相关性计算$R^2$的95%置信区间，原本打算用Cohen等人（2003）的方法，但查了Olkin和Finn（1995）的综述，甚至溯源到Wishart（1931）的原始文献后，发现经典方法明确依赖正态分布假设——这直接戳中了你当前数据的核心问题。

别慌，针对非正态数据的情况，这里给你几个实用的替代方案，都是统计领域公认靠谱的：

1. 自助法（Bootstrap）——最推荐的非参数方案 #

这是处理非正态分布时的首选，完全不依赖任何分布假设，只需要你的样本能代表总体就行。具体步骤很直观：

• 从你的原始数据里，有放回地重复抽取和原样本量相同的子样本，一般抽1000次以上（条件允许的话抽10000次，结果更稳定）
• 对每个子样本，计算对应的$R^2$值
• 把所有得到的$R^2$值排序，取第2.5百分位数和第97.5百分位数，这就是你要的95%置信区间

操作起来也简单，主流统计工具都有现成实现。比如在R里用boot包的代码示例：

library(boot)
# 定义计算R²的自定义函数
calc_r2 <- function(data, idx) {
  model <- lm(y ~ ., data = data[idx,])  # 这里替换成你的回归公式
  return(summary(model)$r.squared)
}
# 运行自助抽样，R是抽样次数
boot_res <- boot(data = your_dataset, statistic = calc_r2, R = 10000)
# 提取百分位数法的95%置信区间
boot.ci(boot_res, type = "perc")

2. 数据变换后用经典方法 #

如果你的数据只是轻度偏离正态，可以试试对因变量（或自变量）做单调变换，比如对数变换、平方根变换、Box-Cox变换，让变换后的数据尽可能接近正态分布，然后再用Cohen或Wishart的经典公式计算置信区间。

注意：变换后得到的$R^2$是变换后变量的拟合优度，你需要在结果里明确说明变换的情况；如果要转换回原始尺度，置信区间的转换会比较复杂，可能需要额外处理。

3. 非参数相关系数近似法 #

如果你核心关注的是预测值和真实值的相关性，而非严格的线性回归$R^{2$，可以先计算**非参数相关系数**（比如Spearman秩相关系数$\rho_s$），用$\rho_s}2$来近似$R^{2$，然后先算出$\rho_s$的95%置信区间，再把上下限平方得到$R}2$的近似置信区间。

这个方法是近似的，因为$\rho_s^{2$和线性回归的$R}2$并不完全等价，适合对精度要求不是特别高的场景。

额外提醒 #

• 如果你的样本量很小，自助法的结果可能不稳定，这时候建议优先考虑收集更多数据，或者结合领域知识做结果解读。
• 要是你想坚持用基于模型的方法，可以试试稳健回归得到$R^2$，再用针对稳健统计量的置信区间方法，但这类方法相对小众，需要仔细验证结果的可靠性。

内容的提问来源于stack exchange，提问作者abukaj